Pemodelan Pencemaran Udara Menggunakan Metode Vector Autoregressive (Var) di Provinsi Riau
|
|
- Djaja Setiabudi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Pemodela Pecemara Udara Megguaka Meode Vecor Auoregressive (Var) di Provisi Riau Ari Pai Desvia 1, Maryam Julliaa D 2 Jurusa Maemaika, Fakulas Sais da Tekologi, UIN Sula Syarif Kasim Riau Jl. HR. Soebraas No 155 Simpag Baru, Paam, Pekabaru, aripaidesvia@ui-suska.ac.id, aripaidesvia@gmail.com da Mariam.Juliaa@ymail.com (Received: 17 Mei 2016; Revised: 20 Jui 2016; Acceped: 20 Jui 2016) ABSTRAK Kualias udara di pegaruhi oleh pariculae maer (PM10) da beberapa variabel yaiu usur meeorologi seperi curah huja, radiasi maahari, da suhu udara. Variabel lai yag diaggap mempegaruhi kualias udara ialah hospo. Variabel yag diguaka lebih dari sau variabel, sehigga moode yag diguka ialah meode Vecor Auoregressive (VAR). Meode Vecor Auoregressive dipilih karea merupaka salah sau aalisis mulivaria uuk daa ime series da dapa meliha keerkaia hubuga aar variabel. Tujua peeliia ii yaiu uuk meramalka kualias udara melalui pariculae maer (PM10) dega megguaka daa bulaa dari bula Jauari 2010-Desember Hasil yag diperoleh meujukka bahwa model yag sesuai uuk peramala PM10 ialah megguaka model VAR(1). Berdasarka model VAR(1) yag diperoleh dapa disimpulka bahwa usur curah huja, radiasi maahari, suhu udara, da hospo memiliki hubuga yag searah erhadap PM10. Kaa kuci:meode Vecor Auoregressive (VAR), Pariculae Maer ABSTRACT Air qualiy iflueced by pariculae maer (PM10) ad may variable ha is meeorology like raifall, su radiaio, weaher. Oher Variable deemed o affec qualiy of air i s hospo. Variables used more ha oe variable, so ha mehod ha use is a Vecor Auoregressive (VAR) mehod. Vecor Auoregressive mehod seleced, because i s is oe of mulivariae aalysis for ime series ad ca see relaioship each variable. The goal of his research is o decided he forecasig of air polluio by pariculae maer (PM10) wih daa ha use is mohly daa from Jauary 2010 o December The resul ha go show ha model is he suiable model for forecasig PM10 i s wih VAR(1). The resul VAR(1) model have coclusio ha usure like raifall, su radiaio, weaher, ad hospo has oe away relaioship wih PM10. Keywords: Pariculae Maer, Vecor Auoregressive (VAR) mehod. Correspodig Auhor: Ari Pai Desvia Jurusa Maemaika, Fakulas Sais da Tekologi UIN Sula Syarif Kasim Riau aripaidesvia@ui-suska.ac.id Pedahulua Udara merupaka sesuau yag saga peig bagi kehidupa mausia, umbuha da juga hewa. Persediaa udara bebas idak perah megalami kekuraga jumlah. Haya kualias berbeda-beda ergaug dari empa da fakor ligkuga lai. Megiga udara merupaka kebuuha hidup sepajag kehidupa maka diperluka kualias udara yag sesuai dega sadar dasar yag diperluka oleh mausia, umbuha, da hewa. Dimuka bumi ii idak ada udara yag idak ercemar oleh berbagai jeis polua, yag kadagkadag membahayaka bagi kesehaa ubuh. Tercemarya udara di suau koa dirasa saga meggaggu da merugika masyaraka, baik dalam berakivias da kesehaa masyaraka. Joural homepage: hp://ejoural.ui-suska.ac.id/idex.php/sieki 160
2 Pecemara udara diarika sebagai adaya baha aau za-za asig di udara dalam jumlah yag dapa membahayaka perubaha komposisi amosfer ormal (Soedirma: 1975). Fakor peyebab pecemara udara erbagi aas fakor yag bersumber dari alam, da fakor yag bersumber dari mausia. Fakor yag bersumber dari alam misalya guug meleus da gas beracu, sedagka fakor yag bersumber dari mausia misalya pembakara, asap kedaraa, proses pembuaa miyak, kimia, da mieral. Berdasarka pejelasa diaas perlu dilakuka peelia megeai pecemara udara. Peeliia ii megguaka daa PM10, curah huja, radiasi maahari, suhu udara, da jumlah hospo. Daa yag diguaka merupaka daa ruu waku (ime series) dari Tahu Peeliia ii dilakuka dega meode Vecor Auoregressive (VAR). Meode Vecor Auoregressive (VAR) merupaka suau sisem persamaa yag memperlihaka seiap Variabel sebagai fugsi liier dari kosaa da ilai lag (lampau) dari Variabel iu sediri, sera ilai lag dari Variabel yag berada dalam sisem. Meode Vecor Auoregressive (VAR)adalah pegembaga dari model ADL. VAR memudahka asumsi variabel yag bersifa edoge pada ADL. Dalam keragka VAR, dimugkika uuk melakuka esimasi erhadap seragkaia variabel yag diduga megalami edogesias (Moch. Deddy Ariefiao: 2012 ). Sebelumya peeliia polusi udara sudah perah dilakuka oleh Tri Herlida (2013) dega judul peramala polusi udara oleh karbo mooksida (CO) di koa Pekabaru dega megguaka model Vecor Auoregressive (VAR). Pada peeliia Tri Herlida variabel yag diguaka dalam peeliia ersebu ada 4 yaiu daa karbo mooksida, curah huja, radiasi maahari da suhu udara. Sedagka pada peeliia ii aka diambahka 1 variabel lagi, sehigga daa yag diguaka ialah daa PM10, curah huja, radiasi maahari, suhu udara, da jumlah hospo. Dega adaya peelia ii diharapka aiya dapa megiformasika ada aau idakya pegaruh PM10, curah huja, radiasi maahari, suhu udara, da jumlah hospo erhadap pecemara udara. Ladasa Teori Pecemara udara adalah adaya suau za yag berjumlah besar da za ersebu dapa membahayaka. Polusi udara ii buka haya disebabka oleh mausia. Didalam udara ersebu erkadug za yag dapa merusak kehidupa mausia, umbuha, properi rumah agga, da ligkuga global. Polusi udara biasaya berwujud udara yag kecoklaa, kabur da meimbulka bau yag idak meyeagka (Noel De Nevers: 2000). A. MeodeVecor Auoregresive (VAR) Meode VAR merupaka meode yag idak membedaka aara variabel edoge da variabel eksoge. Variabel edoge merupaka variabel yag ilaiya dieuka dalam model. Walaupu idak sama persis, variabel edoge ii mirip dega variabel erika dalam regresi, dimaa ilaiya dapa dieuka jika ilai variabel bebas elah dieuka erlebih dahulu. Sedagka variabel eksoge merupaka variabel yag dieuka diluar model aau serig dikaaka variabel ii mirip dega variabel bebas. Vecor Auoregressive mempuyai model uuk lag da peubah dapa diformulasika sebagai beriku (R Ajija S dkk: 2011): Y A A Y A Y A Y... AkY k (1) dimaa: : Vekor berukura yag berisi peubah yag masuk dalam model VAR pada waku da, : Vekor iersep buka (kosaa) : lag VAR : Periode amaa : Vekor residual berukura (gala) B. Lagkah-Lagkah dalam Pegguaa Model VAR 1. Sasioer Kesasioera daa diliha melalui plo daa akual, plo ACF da PACF, da melalui uji ui roo. Uji ui roo erdiri aas 3 macam yaiu uji ui roo ADF, ui roo Phillips-Perro, da ui roo Kwiakowski Phillips Schmid Shi. 2. Peeua Lag Vecor Auoregressive (VAR) Akaike Iformaio Crierio (AIC) Schwarz Iformaio Crierio (SIC) Haa-Qui Iformaio Crierio (HQ)= dimaa: : Sum of square residual. : Jumlah observasi. : Parameer yag diesimasi. Copyrigh 2016, SITEKIN, ISSN
3 Dalam peeua lag opimal diguaka jumlah dari AIC, SIC, da HQ yag palig kecil diaara berbagai lag yag diajuka 3. Uji Kausalias Grager Kausalias merupaka uji sebab akiba. Misalya jika suau kejadia A erjadi sebelum kejadia B, mugki saja A meyebabka B, da idak mugki pula B meyebabka kejadia A. Hal ersebu dapa dijelaska dega kosep Kausalias Grager. Uidirecioal causaliy dimaa: : Nilai variabel pada waku ke- : Pajag lag : Koefisie dari lag ke- variabel pada model uresriced : Koefisie dari lag ke- variabel ke : Nilai variabel pada lag ke-, yag maa lebih besar dari : Error pada waku ke- Persamaa resriced Gambar 1. Flowchar membeuk model peramala VAR Hasil Da Pembahasa 4. Esimasi Vecor Auoregressive (VAR) Dalam esimasi parameer megguaka meode Vekor Auoregressive dapa diguaka meode kuadra erkecil / OLS (ordiary leas square) yaiu dega meeuka urua fugsi erhadap parameer-parameer model dega cara memiimumka jumlah kuadra galaya. Meodologi Peeliia Daa yag diguaka dalam peeliia ii adalah daa ruu waku yaiu PM10, curah huja, radiasi maahari, suhu udara, da jumlah hospo pada bula Jauari 2010 sampai bula Desember Daa PM10, radiasi maahari, curah huja, da suhu udara di ambil di Bada Ligkuga Hidup koa Pekabaru, da jumlah hospo di ambil di Dias Kehuaa Provisi Riau. Beriku ahapa dalam megguaka meode vecor auoregressive (VAR) di Provisi Riau: Saiskik Deskripif PM10, curah huja, radiasi maahari, suhu udara da hospo disajika dalam Tabel 1 sebagai beriku: Tabel 1. Saisik deskripif PM10, curah huja, radiasi maahari, suhu udara, da hospo Variabel PM CH RM SU HP Mea Media Maximum Miimum Sd. Dev Observasi (N) dimaa: PM : Pariculae Maer 10 CH : Curah Huja RM : Radiasi Maahari SU : Suhu Udara HP : Hospo Joural homepage: hp://ejoural.ui-suska.ac.id/idex.php/sieki 162
4 A. Pembeuka Model Peramala Pariculae Maer 10 (PM10) 1. Tahap Uji Kesasioera Daa Beriku plo daa akual uuk meliha kesasioera daa PM10, curah huja, radiasi maahari, suhu udara, da hospo yaiu: (b) (a) (c) (b) (d) (c) (d) (e) Gambar 2. Plo daa akual PM10 (a), curah huja (b), radiasi maahari (c), suhu udara (d), hospo (e). Berdasarka Gambar.1 dapa erliha bahwa plo daa akual uuk PM10, curah huja, radiasi maahari, suhu udara da hospo sudah sasioer. Selajuya kesasioera daa dapa diliha melalui plo ACF da PACF daa, sebagai beriku: (a) (e) Gambar 3. Plo ACF da PACF daa PM10 (a), curah huja (b), radiasi maahari (c), suhu udara (d), hospo (e). Berdasarka pada Gambar 2(a) meujukka bahwa daa PM 10 sasioer dikareaka uuk seiap lag pada plo ACF meyusu meuju ol secara ekspoesial da PACF erliha bahwa ilaiya erpoog pada lag perama. Uuk Gambar 2(b) didapa bahwa plo curah huja koa Pekabaru sudah sasioer, dikareaka plo ACF daa curah huja uru secara ekspoe da plo PACF daa erpoog pada lag perama. Gambar 2(c) dapa diliha bahwa daa radiasi maahari sudah sasioer kara plo ACF daa radiasi maahari meyusu secara sius meuju ol, sedagka plo PACF daa radiasi maahari erpoog pada lag perama. Gambar 2(d) dapa kia liha bahwa daa suhu udara koa Pekabaru sudah sasioer, kara plo ACF daa suhu udara meyusu meuju ol secara sius da pada plo PACF daa suhu udara ilaiya erpoog pada lag perama. Sedagka Gambar 2(e) dapa diliha bahwa daa jumlah hospo Provisi Riau sudah sasioer, dikareaka pada plo ACF daa jumlah hospo Provisi Riau meujukka bahwa lag-lag pada plo ACF meyusu secara ekspoesial. Sedagka pada plo PACF erliha bahwa ilaiya erpoog pada lag perama. Berdasarka Plo ACF da PACF daa sudah sasioer, selajuya kesasioera daa dapa Copyrigh 2016, SITEKIN, ISSN
5 diliha melalui uji ui roo. Beriku merupaka Tabel uji ui roo uuk PM10 dega α = Tabel 2. Uji ui roo uuk PM10 Ui roo -sa Criical ADF ,4878 PP -5,6947-3,4878 KPSS 0, , Berdasarka Tabel 2 dapa diliha bahwa ilai mulak saisik- uuk ADF lebih besar dari ilai mulak saisik- uuk ilai kriik mackio = Kesimpula yag didapa ialah olak yag berari PM10 koa Pekabaru idak erdapa ui roo aau daa PM10 sasioer. Selajuya ilai mulak saisik- uuk PP lebih besar dari ilai mulak kriik mackio pada = 0.05, yag ariya Tolak aau PM10 koa Pekabaru idak erdapa ui roo (daa sasioer). Da ilai mulak saisik- uuk uji ui roo KPSS lebih kecil dari pada ilai mulak mackio pada = Ariya erima aau daa PM10 koa Pekabaru Sasioer. Beriku merupaka Tabel uji ui roo uuk curah huja dega α = Tabel 3. Uji ui roo uuk curah huja Criical Ui roo -sa ADF -5,9054-3,4878 PP -5, ,4878 KPSS 0, , Berdasarka Tabel 3 dapa diliha bahwa ilai mulak saisik- ADF lebih besar dari ilai mulak kriik mackioya pada = Ariya uuk curah huja koa Pekabaru idak megadug ui roo aau daa sasioer. Selajuya ilai mulak saisik- uuk PP curah huja lebih besar dari ilai mulak kriik mackio pada = 0.05 ariya diolak. Daa curah huja koa Pekabaru idak erdapa ui roo aau daa sudah sasioer. Da ilai mulak saisik- uuk uji ui roo KPSS lebih kecil dari pada ilai mulak mackio pada = 0.05 ariya dierima. Daa curah huja koa Pekabaru sudah sasioer aau idak erdapa ui roo. Beriku merupaka Tabel uji ui roo uuk Radiasi Maahari dega α = 0.05 yaiu: Tabel 4. Uji ui roo uuk radiasi maahari Criical Ui roo -sa ADF -4,4656-3,4878 PP -4,4656-3,4878 KPSS 0, , Berdasarka Tabel 4 dapa diliha bahwa ilai mulak -saisik uuk uji ui roo ADF radiasi maahari di koa pekabaru lebih besar dari pada ilai mulak kriik pada = 5%, sehigga Ho diolak ariya daa radiasi maahari koa Pekabaru sudah sasioer aau idak erdapa ui roo. Selajuya ilai mulak -saisik uuk PP radiasi maahari koa Pekabaru lebih besar dari pada ilai mulak kriik ya yaiu pada = 0,05. Sehigga dapa di kaakaa Ho di olak, yag ariya daa radiasi maahari koa pekabaru sudah sasioer. Da ilai mulak Saisik uji Ui Roo KPSS lebih kecil di badigka dega ilai mulak pada = 5%. Sehigga Ho di dierima, yag ariya daa radiasi maahari koa Pekabaru sasioer. Beriku merupaka Tabel uji ui roo uuk Suhu Udara dega α = 0.05 yaiu: Tabel 5. Uji ui roo uuk suhu udara Ui roo -sa Criical ADF -4,4656-3,4878 PP -4,4656-3,4878 KPSS 0, ,14600 Berdasarka Tabel 5 dapa diliha bahwa ilai mulak saisik ADF lebih besar dibadigka ilai mulak kriik, yaiu pada = 5%. Sehigga dapa disimpulka bahwa Ho di olak, yag ariya Suhu Udara koa Pekabaru sudah sasioer. Selajuya ilai mulak saisik uuk PP suhu udara koa Pekabaru lebih besar dibadigka dega ilai mulak kriik pada = 0,05, sehigga Ho di olak, yag ariya suhu udara koa Pekabaru sudah sasioer. Da ilai mulak saisik lebih kecil dari pada ilai mulak kriik pada = Sehigga Ho dierima ariya daa suhu udara koa Pekabaru sasioer. Beriku merupaka Tabel uji ui roo uuk hospo dega α = 0.05 yaiu: Joural homepage: hp://ejoural.ui-suska.ac.id/idex.php/sieki 164
6 Tabel 6. Uji ui roo uuk hospo Ui roo -sa Criical ADF -4, , PP -4, ,4878 KPSS Berdasarka Tabel 6 dapa diliha bahwa ilai mulak kriik ADF yaiu > pada = 0.05 ariya Ho diolak, sehiga dapa disumpulaka bawha daa jumlah hospo Provisi Riau idak megadug ui roo aau daa jumlah hospo Provisi Riau sudah saioer. Selajuya ilai mulak mulak - saisik PP lebih besar dari pada ilai mulak kriik pada = 0.05 ariya Ho diolak, daa jumlah hospo Provisi Riau saioer. Da ilai mulak -saisik uji ui roo KPSS uuk jumlah hospo Provisi Riau lebih kecil dibadigka dega ilai mulak kriik mackio pada alpa 0.05, sehigga Ho dierima, yag ariya daa jumlah hospo Provisi Riau sasioer. 2. Tahap Pegujia Lag Opimal Daa PM10, curah huja, radiasi maahari, suhu udara, da hospo sudah sasioer, ahap selajuya ialah meeuka lag opimal yag aka diguaka dalam model VAR. Berdasarka sofware Eviews didapaka pajag lag opimum seperi pada Tabel beriku: Tabel 7. Pajag lag opimal Lag AIC SC HQ * * * Berdasarka Tabel 7 dapa diliha bahwa ilai AIC, SC, da HQ yag erkecil diaara lag ol higga lag empa ialah AIC pada lag 1. Sehigga kia dapa megeahui bahwa lag opimal yag diguaka uuk model Vecor Auoregressice (VAR) ialah pada lag Tahap Uji Kausalias Grager Seelah didapa pajag lag opimal, lagkah selajuya ialah meguji kausalias grager. Uji kausalias grager dilakuka uuk meliha ada aau idak hubuga imbal balik aar variabel. Beriku hasil uji kausalias grager megguaka sofware Eviews: Tabel 8. Uji kausalias grager Berdasarka uji Kausalias Grager diaas dapa diliha bahwa yag mempuyai kausalias aar variabel yaiu PM10 mempegaruhi jumlah hospo da radiasi maahari mempegaruhi jumlah hospo. 4. Tahap Esimasi Parameer Pada ahap ii merupaka ahap pegesimasia parameer uuk model VAR. pada ahap ke-2 sudah di peroleh pajag lag ialah 1 yag erdiri dari 5 variabel sehigga model yag dihasilka uuk diesimasi adalah VAR(1). Beriku merupaka persamaa dari model VAR: dimaa: PM : Pariculer maer 10 pada waku CH : Curah huja pada waku RM : Radiasi maahari pada waku SU : Suhu udara pada waku HP : Hospo pada waku Hasil esimasi parameer didapaka dega megguaka sofware Eviews. Hasil esimasi parameer model VAR disajika dalam Tabel 9 beriku ii: Copyrigh 2016, SITEKIN, ISSN
7 Tabel 9. Esimasi parameer model VAR(1) NO Parameer Koefisie Berdasarka hasil esimasi, dapa dibua dalam beuk model VAR(1) sebagai beriku: 5. Tahap Verifikasi Model VAR Tahap perama elah meujukka bahwa daa sasioer, selajuya memeriksa model melalui proses whie oise yag ariya residualya idak boleh berkolerasi. Megguaka uji pormaeau yag diuji dega baua sofware e-view diperoleh hasil sebagai beriku: Tabel 10. Hasil uji pormaeau Lags Q-Sa Prob NA* Berdasarka Tabel diaas erliha bahwa higga lag ke dua belas, idak ada kompoe auokolerasi yag sigifika pada alpa 5%, semua ilai p-value pada seiap lag lebih besar dari 0.05, ariya meujukka bahwa error idak ada auokolerasi aau model sudah layak. 6. Tahap Peerapa Model uuk Peramala Seelah melakuka ahap daa raiig da daa esig selajuya dilakuka peramala erhadap PM10. Peramala PM10 diramalka dari bula Jauari 2015 higga bula Desember Peramala PM10 disajika dalam Tabel sebagai beriku: Persamaa diaas dapa dibua dalam beuk marik sebagai beriku: Joural homepage: hp://ejoural.ui-suska.ac.id/idex.php/sieki 166
8 Tabel 11. Peramala PM10 koa Pekabaru ahu Peramala NO Tahu/Taggal Pm Jauari 35, Februari 38, Mare 39, April 40, Mei 40, Jui 39, Juli 39, Agusus 39, Sepember 39, Okober 39, November 39, Desember 28, Jauari 39, Februari 39, Mare 39, April 39, Mei 39, Jui 39, Juli 39, Agusus 39, Sepember 39, Okober 39, November 39, Desember 39,25 Berdasarka Tabel 11 dapa kia liha bahwa hasil peramala PM10 koa Pekabaru pada bula Jauari 2010 higga Desember 2016 megalami peigkaa da peurua yag idak berbeda jauh dari bula ke bula uuk Tahu 2015 higga Kesimpula Secara umum hasil peramala pada daa raiig medekai daa akual uuk PM10, curah huja, radiasi maahari, suhu udara, da hospo. Sedagka pada daa esig uuk daa PM10, curah huja, radiasi maahri, suhu udara, da hospo kurag medekai daa akual. Hal ii disebabka kara pada daa raiig masih megadug daa akual aka eapi pada daa esig idak megguaka daa akual, aka eapi daa yag diguaka dari daa raiig. Daa peramala uuk keseluruha mempuyai model yag kosa, dimaa daa peramala megikui pola yag sama dega pola daa akual pada bulabula, higga ahu-ahu sebelumya. Dafar Pusaka [1] A Lid Douglas dkk. (2008). Tekik-Tekik Saisika dalam Bisis da Ekoomi. Salemba 4. Jakara. [2] Ariefiao, M. D. (2012). Ekoomerika Esesi da Aplikasi dega Megguaka E-view. Erlagga. Jakara. [3] Desvia Ari Pai. (2014). Aalisis Time Series Pariculae Maer (PM10). CV. Nuasa Jaya Madiri Pekabaru. Pekabaru. [4] Desvia Ari Pai. (2012). Peramala Jumlah hospo. Daula Riau. Pekabaru. [5] De Nevers Noel. (2000). Air Polluio Corol Egieerigi. Mc Graw-Hill Higher Educaio. Sigapore. [6] Diah, Safiri Asih. (2008). Vecor Auoregressive(VAR) uuk peramala harga saham PT.Idofood Sukses Makmur Idoesia TBk. Jural Maemaika Vol 11. [7] Gujarai, D. N. (2003). Basic Ecoomerics. Mc-Graw Hill. New York. [8] Hadiyaullah. (2011). Model Vecor Auoregressive(VAR)da Peerapaya Uuk Aalisis Pegaruh Harga Migas Terhadap Ideks Harga Kosume (IHK). Skripsi Mahasiswa Uiversias Negeri Yogyakara. [9] Hadoko. (1995). Klimaologi Dasar. PT. Duia Pusaka Jaya. Jakara. [10] Herlida Tri. (2013). Peramala Polusi Udara oleh Karbo Mooksida (CO) di koa Pekabaru dega Megguaka Model Vecor Auoregressive (VAR). Skripsi Mahasiswa Uiversias Negri Sula Syarief Kasim Riau. [11] Lakia Beyami. Dasar-dasar Klimaologi. PT Raja Grafido Persada. Jakara [12] Raawai. (2012). Peerapa Model Vecor Auoregressive(VAR) uuk Peramala Curah Huja Koa Pekabaru Skripsi Mahasiswa Uiversias Negri Sula Syarief Kasim Riau. [13] Rosadi Dedi. (2011). Aalisis Ekoomerika da Ruu Waku Terapa dega R. Adi Off Se. Yogyakara. [14] Rosia Tia. (2011). Aalisis Vecor Auoregressive (VAR) uuk Pemodela Curah Huja (Sudi Kasus : Daa Curah Huja di Darmaga, Bogor Tahu ). Tesis Mahasiswa Isiu Peraia Bogor. [15] R. Ajija Shochrul, dkk. (2011). Cara Cerdas Meguasai Eviews. Salemba Empa. Jakara. [16] Soedirma. (1997). Usaha Mecegah Pecemara Udara. PT. Grasido. Jakara. [17] Tjasyoo Bayog. (1999). Klimaologi Umum. ITB Badug. Badug. Copyrigh 2016, SITEKIN, ISSN
MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dadan Kusnandar, Naomi Nessyana Debataraja
Bulei Ilmiah Mah. Sa. da Terapaya (Bimaser) Volume 07, No. (018), hal 77 84. MODEL VECTOR AUTOREGRESSIVE (VAR) DALAM MERAMAL PRODUKSI KELAPA SAWIT PTPN XIII Faradhila Amry, Dada Kusadar, Naomi Nessyaa
Lebih terperinciBAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak
BB V NLIS HSIL 5.1 Ukura kurasi Hasil Peramala Uuk medapaka jeis peramala yag digika erdapa bayak parameer-parameer yag dapa diguaka. Seperi yag elah diuraika pada ladasa eori, parameer-parameer ersebu
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3 Meode Pegumpula Daa 3 Jeis Daa Pada peeliia ii aka megguaka jeis daa yag bersifa kuaiaif Daa kuaiaif adalah daa yag berbeuk agka / omial Dalam peeliia ii aka megguaka daa pejuala
Lebih terperinciBAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu
BAB 2 TINJAUAN TEORI 2.1 Pegeria Peramala Ramala pada dasarya merupaka dugaa aau perkiraa megeai erjadiya suau kejadia aau perisiwa di waku yag aka daag. Peramala merupaka sebuah ala bau yag peig dalam
Lebih terperinciPENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi.
. Pedahulua PENGUJIAN HIPOTESIS Hipoesis Saisik : peryaaa aau dugaa megeai sau aau lebih populasi. Pegujia hipoesis berhubuga dega peerimaa aau peolaka suau hipoesis. Kebeara (bear aau salahya) suau hipoesis
Lebih terperinciBAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai
BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala (orecasig) Peramala (orecasig) adalah suau kegiaa yag memperkiraka apa yag aka erjadi pada masa medaag. Peramala pejuala adalah peramala yag megkaika berbagai
Lebih terperinciMODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR
MODEL PERAMALAN RATA-RATA BEBAN PEMAKAIAN LISTRIK KOTA PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR Diajuka Sebagai Salah Sau Syara Uuk Memperoleh Gelar Sarjaa Sais Pada Jurusa Maemaika Oleh :
Lebih terperinciTUGAS AKHIR. Diajukan sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika. Oleh: AFRIANTI
MODEL TIME SERIES UNTUK PERAMALAN TINGKAT PENJUALAN JENIS BAHAN BAKAR MINYAK (BBM) DI STASIUN PENGISIAN BAHAN BAKAR UNTUK UMUM (SPBU) ARIFIN ACHMAD-PEKANBARU TUGAS AKHIR Diajuka sebagai Salah Sau Syara
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang
BAB 2 LANDASAN EORI 2.1 Pegeria Peramala Peramala adalah kegiaa uuk memperkiraka apa yag aka erjadi di masa yag aka daag. Sedagka ramala adalah suau siuasi aau kodisi yag diperkiraka aka erjadi pada masa
Lebih terperinciPemodelan Indeks Harga Saham Gabungan (IHSG), Kurs, dan Harga Minyak Dunia dengan Pendekatan Vector Autoregressive
JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 0) ISSN: 30-98X D-87 Pemodela Ideks Harga Saham Gabuga (IHSG), Kurs, da Harga Miyak Duia dega Pedekaa Vecor Auoregressive Dimas Okky.S da Seiawa Jurusa Saisika,
Lebih terperinciMODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA
Prosidig Semiar Nasioal Sais da Pedidika Sais IX, Fakulas Sais da Maemaika, UKSW Salaiga, Jui 4, Vol 5, No, ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN
Lebih terperinciPeramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown
Jural EKSPONENSIAL Volume 7, Nomor, Mei 06 ISSN 085-789 Peramala Jumlah Peduduk Koa Samarida Dega Megguaka Meode Pemulusa Ekspoesial Gada da Tripel Dari Brow Forecasig he Populaio of he Ciy of Samarida
Lebih terperinciSTUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA
Widya Tekika Vol.18 No.2; Okober 2010 ISSN 1411 0660: 1-6 Absrak STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA Arie Resu Wardhai 1), Salvador Mauel Pereira 2) Perusahaa sepau da sadal House of Mr.
Lebih terperinciTINGKAT PENJUALAN SEPEDA MOTOR SUZUKI PADA CV. ADI MULIA MOTOR DI RENGAT INDRAGIRI HULU DENGAN MENGGUNAKAN METODE TIME SERIES
FORECASTING TINGKAT PENJUALAN SEPEDA MOTOR SUUKI PADA CV. ADI MULIA MOTOR DI RENGAT INDRAGIRI HULU DENGAN MENGGUNAKAN METODE TIME SERIES AUTOREGRESSIVE TUGAS AKHIR Diajuka sebagai Salah Sau Syara uuk Memperoleh
Lebih terperinciIII. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data
III. METODE KAJIAN 1. Lokasi da Waku Lokasi kajia berempa uuk kelompok dilaksaaka di kelompok peeraka sapi di Bagka Tegah, Provisi Bagka Beliug, da Kelompok Peeraka Sapi di Cisarua, Bogor, Provisi Jawa
Lebih terperinciB. DESKRIPSI SINGKAT MATA KULIAH
A. IDENTITAS MATA KULIAH Nama Maa Kuliah : Kalkulus 1 Kode Maa Kuliah : MUG1A4 SKS : 4 (empa) Jeis : Maa kuliah wajib Jam pelaksaaa : Taap muka di kelas = 4 jam per peka Tuorial/ resposi Semeser / Tigka
Lebih terperinciPEMODELAN TINGKAT KECELAKAAN LALU LINTAS DI KOTA PEKANBARU MENGGUNAKAN METODE TIME SERIES AUTOREGRESIVE TUGAS AKHIR. Oleh:
PEMODELAN TINGKAT KECELAKAAN LALU LINTAS DI KOTA PEKANBARU MENGGUNAKAN METODE TIME SERIES AUTOREGRESIVE TUGAS AKHIR Diajuka sebagai Salah Sau Syara uuk Memperoleh Gelar Sarjaa Sais pada Jurusa Maemaika
Lebih terperinciPENERAPAN MODEL VECTOR AUTOREGRESSIVE (VAR) UNTUK PERAMALAN CURAH HUJAN KOTA PEKANBARU
Jurnal Sains, Teknologi dan Indusri, Vol. 11, No., Juni, pp. 151-159 ISSN 93-3 prin/issn 07-0939 online PENERAPAN MODEL VECTOR AUTOREGRESSIVE (VAR) UNTUK PERAMALAN CURAH HUJAN KOTA PEKANBARU 1 Ari Pani
Lebih terperinciMETODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di
8 METODE PENELITIAN Lokasi da Waku Peeliia Peeliia ii dilaksaaka selama 3 bula, erhiug sejak bula Februari sampai dega April 2008, di DAS Waeruhu, yag secara admiisraif erleak di wilayah Kecamaa Sirimau,
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jeis Peeliia Jeis peeliia ii merupaka peeliia kuaiaif dega megguaka meode eksperime. Desai peeliia ii megguaka ru experime desig beuk desai poses oly corol desig yaki meempaka
Lebih terperinciMETODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2
METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA Roki Nuari *, Aziskha, Edag Lily Mahasiswa Program S Maemaika Dose Jurusa Maemaika Fakulas
Lebih terperinciPrediksi Penjualan Sepeda Motor Merek X Di Kabupaten Dan Kotamadya Malang Dengan Metode Peramalan Hierarki
JURNAL SAINS DAN SENI POMITS Vol. 3, No., (4) 337-35 (3-98X Pri) D-34 Sepeda Moor Merek X Di Kabupae Da Koamadya Malag Dega Meode Peramala Hierarki Rika Susai, Desri Susilaigrum, da Suharoo Jurusa Saisika,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah Dalam sisem perekonomian suau perusahaan, ingka perumbuhan ekonomi sanga mempengaruhi kemajuan perusahaan pada masa yang akan daang. Pendapaan dan invesasi merupakan
Lebih terperinciRumus-rumus yang Digunakan
Saisika Uipa Surabaya 4. Sampel Tuggal = Rumus-rumus yag Diguaka s..... Sampel berkorelasi D D N N N...... 3. Sampel Bebas a. Uuk varias sama... 3 aau x x s g... 4 b. Sampel Heeroge Guaka Uji Corha - Cox
Lebih terperinciMETODOLOGI. Waktu dan Tempat. Alat dan Bahan
METODOLOGI Waku da Tempa Peeliia merupaka desk sudy dega megguaka daa sekuder da pegolaha daa dilakuka di Laboraorium Klimaologi Depareme Geofisika da Meeorologi, Fakulas Maemaika da Ilmu Pegeahua Alam,
Lebih terperinciPENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN
IndoMS Journal on Saisics Vol., No. (04), Page 7-37 PENAKSIRAN PARAMETER MODEL VECTOR AUTOREGRESSIVE INTEGRATED (VARI) DENGAN METODE MLE DAN PENERAPANNYA PADA DATA INDEKS HARGA KONSUMEN Dinda Ariska Wulandari,
Lebih terperinciMENENTUKAN PERSEDIAAN BERAS DENGAN MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ) BERDASARKAN RAMALAN PERMINTAAN PADA TAHUN 2012
MENENTUKAN PERSEDIAAN BERAS DENGAN MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ) BERDASARKAN RAMALAN PERMINTAAN PADA TAHUN 2012 Julia Nahar 1 1 Uiversias Padjadjara, Jala Raya Badug-Sumedag km 21,Jaiagor
Lebih terperinciMODEL ARIMA(0,1,1) UNTUK PERAMALAN JUMLAH NASABAH PADA PT. PRUDENTIAL LIFE INSURANCE KOTA PEKANBARU TUGAS AKHIR
MODEL ARIMA(0,,) UNTUK PERAMALAN JUMLAH NASABAH PADA PT. PRUDENTIAL LIFE INSURANCE KOTA PEKANBARU TUGAS AKHIR Diajuka Sebagai Salah Sau Syara Uuk Memperoleh Gelar Sarjaa Sais pada Jurusa Maemaika Oleh:
Lebih terperinciBAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel
BAB III PENAKSIR DERET FOURIER 3. Peaksi Dalam saisika, peaksi adalah sebuah saisik (fugsi dai daa sampel obsevasi) yag diguaka uuk meaksi paamee populasi yag idak dikeahui (esimad) aau fugsi yag memeaka
Lebih terperinciPREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP
Prosidig SPMIPA. pp. 57-6. 6 ISBN : 979.74.47. PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP Sri Rahayu, Taro Jurusa Maemaika FMIPA UNDIP Semarag Jl. Prof. Soedaro, Kampus UNDIP Tembalag,
Lebih terperinciBAB II TINJAUAN PUSTAKA. pengantar metode ARIMA Box Jenkins dan analisis spektral.
BAB II TINJAUAN PUSTAKA. Pedahulua Pada Bab II aka dijelaska pegeria pegeria da eori dasar yag diguaka sebagai ladasa pembahasa pada bab selajuya. Teori yag aka dibahas pada Bab II ii secara garis besar
Lebih terperinciA. LATAR BELAKANG MASALAH
PENDAHULUAN A. LAAR BELAKANG MASALAH Model koreksi kesalaha ECM - Error Correcio Model merupaka model regresi liier ag meeuka keseimbaga jagka pajag di aara beberapa variabel. Di dalam model koreksi kesalaha
Lebih terperinciPENDEKATAN PERAMALAN TINGKAT KONSUMSI MINYAK DI INDONESIA DENGAN MENGGUNAKAN METODE BOX-JENKINS
PENDEKATAN PERAMALAN TINGKAT KONSUMSI MINYAK DI INDONESIA DENGAN MENGGUNAKAN METODE BOX-JENKINS Ari Pani Desvina, Abdur Rahman Siddiq Jurusan Maemaika Fakulas Sains dan Teknologi UIN Suska Riau E-mail:
Lebih terperinciPERAMALAN HARGA SAHAM SYARI AH RUPIAH EQUITY FUND PT. PRUDENTIAL LIFE INSURANCE PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR.
PERAMALAN HARGA SAHAM SYARI AH RUPIAH EQUITY FUND PT. PRUDENTIAL LIFE INSURANCE PEKANBARU MENGGUNAKAN METODE BOX-JENKINS TUGAS AKHIR Diajuka Sebagai Salah Sau Syara Uuk Memperoleh Gelar Sarjaa Sais pada
Lebih terperinci*Corresponding Author:
Prosiding Seminar Tugas Akhir FMIPA UNMUL 5 Periode Mare 6, Samarinda, Indonesia ISBN: 978-6-7658--3 Penerapan Model Neuro-Garch Pada Peramalan (Sudi Kasus: Reurn Indeks Harga Saham Gabungan) Applicaion
Lebih terperinciBAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode
BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala Meode peramala merupaka bagia dari ilmu Saisika. Salah sau meode peramala adalah dere waku. Meode ii disebu sebagai meode peramala dere waku karea memiliki kareserisik
Lebih terperinciPENERAPAN METODE BOX-JENKINS UNTUK MEMPREDIKSI JUMLAH MAHASISWA UNIVERSITAS ISLAM NEGERI SUSKA RIAU
Jurnal Sains, Teknologi dan Indusri, Vol., No., Desember 4, pp. 8 89 ISSN 693-39 prin/issn 47-939 online PENERAPAN METODE BOX-JENKINS UNTUK MEMPREDIKSI JUMLAH MAHASISWA UNIVERSITAS ISLAM NEGERI SUSKA RIAU
Lebih terperinciBeberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) . Definisi L.2 (Kejadian lepas )
33 LAMPIRAN 34 35 Beberapa Defiisi Ruag Cooh Kejadia da Peluag Suau percobaa yag dapa diulag dalam kodisi yag sama, yag hasilya idak dapa diprediksi dega epa eapi kia bisa megeahui semua kemugkia hasil
Lebih terperinciANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Studi kasus pada CV Cita Nasional.
JURNAL ILMIAH RANGGAGADING Volume 7 No. 1, April 7 : 3-9 ANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Sudi kasus pada CV Cia Nasional. Oleh Emmy Supariyani* dan M. Adi Nugroho *Dosen
Lebih terperinciUniversitas Sumatera Utara
50.7 4.3770 6.7547 6.7547 4.4 48.6965 R4.7 36.3 N8 TOL 0..70 35.9497 36.3.99 50.7 94.338 6.89 3.5 6.75 7.567 36.0 6.4837 57.396 8.783 66.0384 5.337 37.006 3.568 PISAU POTONG AISI D SEPUH No Qy NAME MATERIAL
Lebih terperinciBAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF
BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap
Lebih terperinciMODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR
Bulei Ilmiah Ma.Sa. da Terapaya (Bimaser) Volume 06, No. (07), hal -0. MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR Ermawai, Helmi, Frasiskus
Lebih terperinciV. PENGUJIAN HIPOTESIS
V. PENGUJIAN IPOTEI A. IPOTEI TATITIK Defiisi uau hipoesa saisik adalah suau peryaaa aau dugaa megeai sau aau lebih variabel populasi. ipoesis digologka mejadi. ipoesis ol adalah hipoesis yag dirumuska
Lebih terperinciPERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN
PERENCNN JUMLH PRODUK MENGGUNKN METODE FUZZY MMDNI BERDSRKN PREDIKSI PERMINTN Nama Mahasiswa : Norma Edah Haryai NRP : 1207 100 031 Jurusa : Maemaika FMIP-ITS Dose Pembimbig : Drs. I G N Rai Usadha, M.Si
Lebih terperinciKRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB
KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB Sudi kelayaka bisis pada dasarya berujua uuk meeuka kelayaka bisis berdasarka krieria ivesasi Krieria ersebu diaaraya adalah ; 1. Nilai bersih kii (Ne
Lebih terperinciUniversitas Sumatera Utara
Uiversias Sumaera Uara BAB 2 LANDASAN TEORI Ladasa eori ii merupaka hasil dari ijaua lieraur-lieraur yag ada kaiaya dega meode-meode peramala maupu dega koeks laiya dalam peulisa Tugas Akhir ii. Adapu
Lebih terperinciJurnal Rekursif, Vol. 3 No. 1 Maret 2015, ISSN
Jural Rekursif, Vol 3 No Mare 05, ISSN 303-0755 PERBANDINGAN KEAKURATAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DAN EPONENTIAL SMOOTHING PADA PERAMALAN PENJUALAN SEMEN DI PT SINAR ABADI
Lebih terperinciB A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan
30 B A B III METODE PENELITIAN 3. Peeapa Lokai da Waku Peeliia Objek peeliia dalam peeliia ii adalah megaalii perbadiga harga jual produk melalui pedekaa arge pricig dega co-plu pricig pada oko kue yag
Lebih terperinciPERAMALAN DENGAN MODEL VARI PADA DATA IHK KELOMPOK PADI-PADIAN DAN BUMBU-BUMBUAN (STUDI KASUS KOTA SALATIGA, BULAN JANUARI 2014 JULI 2016)
Prosiding Seminar Maemaika dan Pendidikan Maemaika ISBN: 978-602-622-20-9 hal 935-950 November 206 hp://jurnal.fkip.uns.ac.id PERAMALAN DENGAN MODEL VARI PADA DATA IHK KELOMPOK PADI-PADIAN DAN BUMBU-BUMBUAN
Lebih terperinciJURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER
STATISTIK CUKUP Oleh: Ramayai Rizka M (11810101003), Dey Ardiao (1181010101), Ikfi Ulyawai (1181010103), Falviaa Yulia Dewi (1181010106), Ricki Dio Rosada (11810101034), Nurma Yuia D (11810101035), Wula
Lebih terperinciNILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN
NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN Nomi Kelari *, Hasriai 2, Musraii 2 Mahasiswa Program S Maemaika 2 Dose Jurusa Maemaika Fakulas Maemaika da Ilmu Pegeahua
Lebih terperinciKOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES. Abstrak
KOINTEGRASI DAN ESTIMASI ECM PADA DATA TIME SERIES Universias Muhammadiyah Purwokero malim.muhammad@gmail.com Absrak Pada persamaan regresi linier sederhana dimana variabel dependen dan variabel independen
Lebih terperinciBAB V METODE PENELITIAN
31 BAB V METODE PENELITIAN 5.1 Lokasi da Waku Peeliia Peeliia ii dilaksaaka di Kecamaa Sukaagara, Kabupae Ciajur. Pemiliha lokasi peeliia dilakuka secara segaja (purposive samplig) dega memperimbagka aspek
Lebih terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN
PEMODELAN NILAI UKAR RUPIAH ERHADAP $US MENGGUNAKAN DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY, DIMAS HARI SANOSO, N. K. KUHA ARDANA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan
Lebih terperinciPemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun
Pemodelan Daa Runun Waku : Kasus Daa Tingka Pengangguran di Amerika Serika pada Tahun 948 978. Adi Seiawan Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias Krisen Saya Wacana, Jl. Diponegoro
Lebih terperinciINTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ
INTEGRL TK TENTU pecaha rasioal gusia Pradjaigsih, M.Si. Jurusa Maemaika FMIP UNEJ agusia.fmipa@uej.ac.id DEFINISI Fugsi suku bayak derajad dega bula o egaif 0 dimaa, 0 a a a a a P Fugsi kosa dipadag sbg
Lebih terperinciBAB III TINJAUAN PUSTAKA
BAB III TINJAUAN PUSTAKA 3.1. Defiisi Peramala Peramala adalah proses uuk memperkiraka berapa bayak kebuuha dimasa medaag yag melipui kebuuha dalam ukura kuaias, kualias, waku da lokasi yag dibuuhka dalam
Lebih terperinciPemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Metode Intervensi dan Regresi Spline ABSTRAK
Pemodelan Indeks Harga Konsumen Kelompok Bahan Makanan menggunakan Meode Inervensi dan Regresi Spline Rina Andriani, Dr. Suharono, M.Sc 2 Mahasiswa Jurusan Saisika FMIPA-ITS, 2 Dosen Jurusan Saisika FMIPA-ITS
Lebih terperinciPenerapan Model ARCH/GARCH untuk Peramalan Nilai Tukar Petani ABSTRAK ABSTRACT. Pendahuluan
Jurnal Sains Maemaika dan Saisika, Vol. 4, No., Januari 8 ISSN 46-454 prin/issn 65-8663 online Penerapan Model ARCH/GARCH unuk Peramalan Nilai Tukar Peani Ari Pani Desvina, Inggrid Ocaviani Meijer, Jurusan
Lebih terperinciPENGGUNAAN METODE PERAMALAN DALAM ANALISIS NILAI TUKAR RUPIAH TERHADAP DOLAR DENGAN GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY
PENGGUNAAN METODE PERAMALAN DALAM ANALISIS NILAI TUKAR RUPIAH TERHADAP DOLAR DENGAN GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSKEDASTICITY Hermansah Program Sudi Pendidikan Maemaika, Fakulas Keguruan
Lebih terperinciBAB 2 LANDASAN TEORI
18 BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala ( Forecasig ) Peramala ( forecasig ) adalah kegiaa megisemasi apa yag aka erjadi pada masa yag aka daag. Peramala diperluka karea adaya perbedaa kesejaga waku
Lebih terperinciPENGGUNAAN METODE PERAMALAN DALAM PRODUKSI KAYU UNTUK PENENTUAN TOTAL PERMINTAAN (KONSUMEN)
Widiyarii, Pegguaa Meode Peramala dalam. PENGGUNAAN METODE PERAMALAN DALAM PRODUKSI KAYU UNTUK PENENTUAN TOTAL PERMINTAAN (KONSUMEN) Widiyarii Program Sudi Tekik Idusri Fakulas Tekik da MIPA, Uiversias
Lebih terperinciANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA
ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA Laar Belakag Masalah Semaki berambah pesaya pembagua dibidag kosruksi maka meyebabka meigka pula kebuuha aka meerial-maerial
Lebih terperinciBAB METODOLOGI. Bab 2 Metodologi berisikan :
BAB METODOLOGI Bab Meodologi berisika :.. Pegambila Sampel.. Peramala Nilai Iflasi melalui Ideks Harga Kosume Megguaka Meode ARIMA.3. Akumulasi Prese Value melalui Buga Sederhaa dalam Perhiuga Harga Barag
Lebih terperinciPEMODELAN PRODUKSI SEKTOR PERTANIAN
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 2009 PEMODELAN PRODUKSI SEKTOR PERTANIAN Brodjol Suijo Jurusan Saisika ITS Surabaya ABSTRAK Pada umumnya daa ekonomi bersifa ime
Lebih terperinciBAB II LANDASAN TEORI. Dalam penulisan tugas akhir ini diperlukan teori-teori yang mendukung yang
BAB II LANDASAN TEORI Dalam peulisa ugas akhir ii diperluka eori-eori yag medukug yag didapa dari maa kuliah yag perah dierima, da referesi-referesi sebagai baha pedukug. Uuk mecapai ujua dari peulisa
Lebih terperinciANALISIS CRITICAL ROOT VALUE PADA DATA NONSTATIONER
ANALISIS CRITICAL ROOT VALUE PADA DATA NONSTATIONER Abdul Aziz Dosen Jurusan Maemaika Fakulas Sains Teknologi Universias Islam Negeri (UIN) Maulana Malik Ibrahim Malang e-mail : abdulaziz_uinmlg@yahoo.com
Lebih terperinciPERAMALAN KURS TRANSAKSI BANK INDONESIA TERHADAP MATA UANG DOLLAR AMERIKA (USD) DENGAN MENGGUNAKAN MODEL ARCH/GARCH
Vol.. No., 03 PERAMALAN KURS TRANSAKSI BANK INDONESIA TERHADAP MATA UANG DOLLAR AMERIKA (USD) DENGAN MENGGUNAKAN MODEL ARCH/GARCH Ari Pani Desvina, Sari Marlinda, Jurusan Maemaika Fakulas Sains dan Teknologi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan
Lebih terperinciPENGUJIAN HIPOTESIS DUA RATA-RATA
PENGUJIN HIPOTEI DU RT-RT Pegujia hipoesis dua raa-raa diguaka uuk membadigka dua keadaa aau epaya dua populasi. Misalya kia mempuyai dua populasi ormal masig-masig dega raa-raa µ da µ sedagka simpaga
Lebih terperinciBAB II TINJAUAN TEORITIS
BAB II TIJAUA TEORITIS 2.1 Peramalan (Forecasing) 2.1.1 Pengerian Peramalan Peramalan dapa diarikan sebagai beriku: a. Perkiraan aau dugaan mengenai erjadinya suau kejadian aau perisiwa di waku yang akan
Lebih terperinciPERAMALAN PENCEMARAN UDARA OLEH SULFUR DIOKSIDA (SO 2 ) DI PEKANBARU DENGAN MODEL AR(3)
PERAMALAN PENCEMARAN UDARA OLEH SULFUR DIOKSIDA (SO 2 ) DI PEKANBARU DENGAN MODEL AR(3) Ari Pani Desvina Jurusan Maemaika Fakulas Sains dan Teknologi UIN Suska Riau aripanidesvina@gmail.com ABSTRAK Meode
Lebih terperinciPERAMALAN PARTICULATE MATTER (PM10) DI KAJANG MALAYSIA DENGAN MENGGUNAKAN MODEL AUTOREGRESSIVE
Jurnal Sains, Teknologi dan Indusri PERAMALAN PARTICULATE MATTER (PM10) DI KAJANG MALAYSIA DENGAN MENGGUNAKAN MODEL AUTOREGRESSIVE Ari Pani Desvina Jurusan Maemaika Fakulas Sains dan Teknologi UIN Suska
Lebih terperinciBAB IV METODOLOGI PENELITIAN
30 BAB IV METODOLOGI PENELITIAN 4.1 Beuk da Meode Peeliia Peeliia Opimalisasi da Sraegi Pemafaaa Souher Bluefi Tua di Samudera Hidia Selaa Idoesia diarahka pada upaya uuk megugkapa suau masalah aau keadaa
Lebih terperinciManajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS
Modul ke: 06Fakulas EKONOMI DAN BISNIS EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI Program Sudi Akuasi Idik Sodiki,SE,MBA,MM Krieria Kepuusa Ivesasi aau Pegaggara Modal o Beberapa krieria yag aka diperguaka
Lebih terperinciPENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL LINEAR DENGAN MENGGUNAKAN METODE TRANSFORMASI ELZAKI
Bulei Ilmiah Ma. Sa. da erapaya (Bimaser) Volume 4, No. (5), hal 7 6. PNYLSAIAN PRSAMAAN DIFRNSIAL PARSIAL LINAR DNGAN MNGGUNAKAN MOD RANSFORMASI LZAKI Noa Miari, Mariaul Kifiah, Helmi INISARI Persamaa
Lebih terperinciBAB 4 ANALISIS DAN PEMBAHASAN
BAB 4 ANALISIS DAN EMBAHASAN 4.1 Karakerisik dan Obyek eneliian Secara garis besar profil daa merupakan daa sekunder di peroleh dari pusa daa saisik bursa efek Indonesia yang elah di publikasi, daa di
Lebih terperinciBAB 3 LANDASAN TEORI. masa lampau akan berlanjut ke masa depan. Hampir seluruh peramalan didasarkan. pada asumsi bahwa masa lampau akan berulang.
BAB 3 LANDASAN TEORI 3. Peramala 3.. Defiisi Peramala Peramala adalah perkiraa probabilisik aau peggambara dari ilai aau kodisi di masa depa. Asumsi yag umum dipakai dalam peramala adalah pola masa lampau
Lebih terperinciPeramalan Temperatur Udara di Kota Surabaya dengan Menggunakan ARIMA dan Artificial Neural Network
JURNAL SAINS DAN SENI ITS Vol., No., (Sep. 202) ISSN: 230-928X D-8 Peramala Temperaur Udara di Koa Surabaya dega Megguaka ARIMA da Arificial Neural Nework Ali Machmudi da Brodol S. S. Ulama Jurusa Saisika,
Lebih terperinciBAB III METODE PENELITIAN
6 BAB III METODE PENELITIAN 3.1 Desai Peelitia Meurut Kucoro (003:3): Peelitia ilmiah merupaka usaha utuk megugkapka feomea alami fisik secara sistematik, empirik da rasioal. Sistematik artiya proses yag
Lebih terperinciPeramalan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Model Dinamis
JURNAL SAINS DAN NI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Prin) D-224 Peramalan Penjualan Sepeda Moor di Jawa Timur dengan Menggunakan Model Dinamis Desy Musika dan Seiawan Jurusan Saisika,
Lebih terperinciANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG
ISSN: 9-54 JURNAL GAUSSIAN, Volume 4, Nomor, Tahun 05, Halaman 6-60 Online di: hp://eournal-s.undip.ac.id/index.php/gaussian ANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG
Lebih terperinciKata kunci: Deret waktu, Heteroskedastisitas, IGARCH, Peramalan. Keywords: Time Series, Heteroscedasticity, IGARCH, Forecasting.
METODE INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (IGARCH) UNTUK MEMODELKAN HARGA GABAH DUNIA (INTEGRATED GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY TO CAPTURE
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jeis Peeliia Jeis peeliia ii ergolog peeliia komparasioal, yaiu peeliia yag dilaksaaka uuk megeahui ada idakya perbedaa aar variabel yag sedag dielii. Jika perbedaa iu memag
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Pada dasarnya peramalan adalah merupakan suau dugaan aau perkiraan enang erjadinya suau keadaan di masa depan. Akan eapi dengan menggunakan meodemeode erenu peramalan
Lebih terperinciPENERAPAN UKURAN KETEPATAN NILAI RAMALAN DATA DERET WAKTU DALAM SELEKSI MODEL PERAMALAN VOLUME PENJUALAN PT SATRIAMANDIRI CITRAMULIA
PENERAPAN UKURAN KETEPATAN NILAI RAMALAN DATA DERET WAKTU DALAM SELEKSI MODEL PERAMALAN VOLUME PENJUALAN PT SATRIAMANDIRI CITRAMULIA Iwa Sugkawa; Ries Tri Megasari Mahemaics & Saisics Deparme, School of
Lebih terperinciBAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.
BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh
Lebih terperinciPENGAMBILAN KEPUTUSAN DENGAN METODE PERAMALAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) (Studi Kasus: PT Tembaga Mulia Semanan)
Prosiding Seminar Nasional Manajemen Teknologi Program Sudi MMT-ITS, Surabaya 1 Agusus 2009 PENGAMBILAN KEPUTUSAN DENGAN METODE PERAMALAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA) (Sudi Kasus: PT
Lebih terperinci1999 sampai bulan September Data ini diperoleh dari yahoo!finance.
7 999 sampai bulan Sepember 8. Daa ini diperoleh dari yahoo!finance. Meode Langkah-langkah pemodelan nilai harian IHSG secara garis besar dapa diliha pada Lampiran dengan penjelasan sebagai beriku:. Melakukan
Lebih terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON*
PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON* BERLIAN SETIAWATY DAN HIRASAWA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor
Lebih terperinciBab 5 Penaksiran Fungsi Permintaan. Ekonomi Manajerial Manajemen
Bab 5 Penaksiran Fungsi Perminaan 1 Ekonomi Manajerial Manajemen Peranyaan Umum Tenang Perminaan Seberapa besar penerimaan perusahaan akan berubah seelah adanya peningkaan harga? Berapa banyak produk yang
Lebih terperinciPERAMALAN JUMLAH PENUMPANG AIRLINES PT. ANGKASA PURA II BANDARA SULTAN SYARIF KASIM II PEKANBARU DENGAN ARIMA(0,1,1)(0,1,1) 12 TUGAS AKHIR.
PERAMALAN JUMLAH PENUMPANG AIRLINES PT. ANGKASA PURA II BANDARA SULTAN SYARIF KASIM II PEKANBARU DENGAN ARIMA(0,,)(0,,) 2 TUGAS AKHIR Diajukan Sebagai Salah Sau Syara unuk Memperoleh Gelar Sarjana Sains
Lebih terperinciIV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang
IV. METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di Kawasa Patai Ayer, Kabupate Serag Provisi Bate. Lokasi ii dipilih secara segaja atau purposive karea Patai Ayer merupaka salah
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2. Ruag sampel da Kejadia Defiisi Himpua semua hasil yag mugki dari suau percobaa disebu ruag sampel da diyaaka dega S Mogomery, 2004: 7. Tiap hasil dari ruag sampel disebu usur aau
Lebih terperinciANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI
Seminar Nasional Saisika IX Insiu Teknologi Sepuluh Nopember, 7 November 009 XV-1 ANALISIS PERAMALAN INDEKS HARGA SAHAM KOSPI DENGAN MENGGUNAKAN METODE INTERVENSI Muhammad Sjahid Akbar, Jerry Dwi Trijoyo
Lebih terperinciANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o
ANALII BEDA Fx. ugiyao da Agus usworo Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg Meguji apakah erdapa perbedaa yg sigifika
Lebih terperinciPeramalan Inflasi Menggunakan Model Fungsi Transfer Multi Input. Forcasting Inflation Using Multiple Input Transfer Function Model
Peramalan Inflasi Menggunakan Model Fungsi Transfer Muli Inpu Forcasing Inflaion Using Muliple Inpu Transfer Funcion Model Novi Adisia, Sri Wahyuningsih, dan Rio Goeanoro 3 Laboraorium Saisika Terapan
Lebih terperinciANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA
ANALISIS PERAMALAN PENJUALAN SEPEDA MOTOR DI MITRA PINASTHIKA MUSTIKA (MPM) HONDA MOTOR DENGAN PENDEKATAN ARIMA Oleh : Liviani Nursia 307030040 Dosen Pembimbing: Dr. Brodjol Suijo S.U, MSi Laar Belakang
Lebih terperinciBAB III ARFIMA-FIGARCH. pendek (short memory) karena fungsi autokorelasi antara dan turun
BAB III ARFIMA-FIGARCH 3. Time Series Memori Jangka Panjang Proses ARMA sering dinyaakan sebagai proses memori jangka pendek (shor memory) karena fungsi auokorelasi anara dan urun cepa secara eksponensial
Lebih terperinciSTATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP
STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,
Lebih terperinci